論文の概要: Graph kernels encoding features of all subgraphs by quantum superposition

• arxiv url: http://arxiv.org/abs/2103.16093v1
• Date: Tue, 30 Mar 2021 05:50:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 03:49:34.064629
• Title: Graph kernels encoding features of all subgraphs by quantum superposition
• Title（参考訳）: 量子重ね合わせによる全部分グラフの特徴をコードするグラフカーネル
• Authors: Kaito Kishi, Takahiko Satoh, Rudy Raymond, Naoki Yamamoto, Yasubumi Sakakibara
• Abstract要約: 本稿では,全ての部分グラフを考慮に入れたグラフ類似度を測定するために,量子コンピュータを適用した新しいグラフカーネルを提案する。 量子カーネルの構築のために、量子状態に符号化されたサブグラフのインデックス情報を除去する効率的なプロトコルを開発する。 バイオインフォマティクス問題の詳細な数値シミュレーションを行い,提案した量子カーネルが既存のグラフカーネルよりも優れた分類精度を実現することを示す。
• 参考スコア（独自算出の注目度）: 4.031373438192993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph kernels are often used in bioinformatics and network applications to measure the similarity between graphs; therefore, they may be used to construct efficient graph classifiers. Many graph kernels have been developed thus far, but to the best of our knowledge there is no existing graph kernel that considers all subgraphs to measure similarity. We propose a novel graph kernel that applies a quantum computer to measure the graph similarity taking all subgraphs into account by fully exploiting the power of quantum superposition to encode every subgraph into a feature. For the construction of the quantum kernel, we develop an efficient protocol that removes the index information of subgraphs encoded in the quantum state. We also prove that the quantum computer requires less query complexity to construct the feature vector than the classical sampler used to approximate the same vector. A detailed numerical simulation of a bioinformatics problem is presented to demonstrate that, in many cases, the proposed quantum kernel achieves better classification accuracy than existing graph kernels.
• Abstract（参考訳）: グラフカーネルは、グラフ間の類似性を測定するためにバイオインフォマティクスやネットワークアプリケーションでよく使用されるため、効率的なグラフ分類器を構築するために用いられる。 これまで多くのグラフカーネルが開発されてきたが、我々の知る限り、類似性を測定するために全てのグラフを考慮に入れているグラフカーネルは存在しない。 量子重ね合わせのパワーを十分に活用し、すべての部分グラフを特徴にエンコードすることにより、すべての部分グラフを考慮したグラフ類似度を測定するために量子コンピュータを適用する新しいグラフカーネルを提案する。 量子カーネルの構築のために、量子状態に符号化されたサブグラフのインデックス情報を除去する効率的なプロトコルを開発する。 また、量子コンピュータは、同じベクトルを近似するために使用される古典的なスプリマーよりも、特徴ベクトルを構成するのにクエリの複雑さが小さいことを証明している。 バイオインフォマティクス問題の詳細な数値シミュレーションを行い、多くの場合、提案する量子カーネルが既存のグラフカーネルよりも優れた分類精度を達成することを証明した。

関連論文リスト

• General Graph Random Features [42.75616308187867]
  重み付き隣接行列の任意の関数の偏りのない推定のためのランダムウォークに基づく新しいアルゴリズムを提案する。 提案アルゴリズムは, ノード数に関して, グラフカーネル評価の厳密な3次スケーリングを克服し, 準四次時間的複雑性を享受する。
  論文  参考訳（メタデータ） (2023-10-07T15:47:31Z)
• Multipartite Entanglement Distribution in Quantum Networks using Subgraph Complementations [9.32782060570252]
  量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。 グラフ状態の分布は,部分グラフ補完システムによって特徴づけられることを示す。 任意のグラフ状態の分配に最適な部分グラフ補完演算の列を求める。
  論文  参考訳（メタデータ） (2023-08-25T23:03:25Z)
• NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
  本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。 効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。 グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T09:21:15Z)
• Labeled Subgraph Entropy Kernel [11.812319306576816]
  本稿では,構造的類似性評価に優れたラベル付きサブグラフエントロピーグラフカーネルを提案する。 動的プログラムサブグラフ列挙アルゴリズムを設計し,時間的複雑性を効果的に低減する。 提案手法をテストするために,複数の実世界のデータセットを適用し,異なるタスクの効果を評価する。
  論文  参考訳（メタデータ） (2023-03-21T12:27:21Z)
• QESK: Quantum-based Entropic Subtree Kernels for Graph Classification [11.51839867040302]
  グラフ分類のための新しいグラフカーネル、すなわち量子ベースのエントロピーサブツリーカーネル(QESK)を提案する。 古典的なWeisfeiler-Lehman (WL) アルゴリズムに付随する一連のエントロピー部分木表現を計算するために,この AMM 行列を用いる方法を示す。 提案したQESKカーネルは,グラフ分類問題に対する最先端のグラフカーネルやグラフ深層学習法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-10T07:10:03Z)
• Transductive Kernels for Gaussian Processes on Graphs [7.542220697870243]
  半教師付き学習のためのノード特徴データ付きグラフ用の新しいカーネルを提案する。 カーネルは、グラフと特徴データを2つの空間として扱うことにより、正規化フレームワークから派生する。 グラフ上のカーネルベースのモデルがどれだけの頻度で設計されているかを示す。
  論文  参考訳（メタデータ） (2022-11-28T14:00:50Z)
• Compilation of algorithm-specific graph states for quantum circuits [55.90903601048249]
  本稿では,高レベル言語で記述された量子回路から,アルゴリズム固有のグラフ状態を作成する量子回路コンパイラを提案する。 この計算は、このグラフ状態に関する一連の非パウリ測度を用いて実装することができる。
  論文  参考訳（メタデータ） (2022-09-15T14:52:31Z)
• From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
  まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
  論文  参考訳（メタデータ） (2022-02-19T02:56:47Z)
• Graph Kernel Neural Networks [53.91024360329517]
  本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。 これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。 私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
  論文  参考訳（メタデータ） (2021-12-14T14:48:08Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
  我々は高密度サブグラフ発見のための新しい学習問題を導入する。 まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。 そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-06-24T11:37:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。